Högskola och universitet hos Linnéuniversitetet, 7,5 högskolepoäng.
Monte Carlo-metoder gör slumpen till ett beräkningsverktyg. När ett problem är för komplicerat för att lösas exakt kan man i stället simulera många “möjliga världar” och använda resultatet för att säga något om vad som i genomsnitt bör hända. I kursen lär du dig de sannolikhetsteoretiska idéer som gör metoderna pålitliga, hur man omformulerar deterministiska problem i sannolikhetsteoretiska termer samt de centrala algoritmerna bakom simulering. Du arbetar med metoder för att generera slumpvariabler från många typer av fördelningar, simulera mer komplexa stokastiska modeller och göra simuleringar mycket effektivare med variansreduktion (t.ex. kontrollvariabler, importance sampling, stratifiering och Latin hypercube sampling). Kursen introducerar också Metropolis–Hastings och Gibbs sampling för att kunna sampla från komplicerade högdimensionella fördelningar.